基于kinova机器人搭建实际抓取环境；采用级联网络Cascade R-CNN提取特征

- 日理万妓 2024-05-02 20:20 3阅读 0赞

#### 文章目录 ####

*   *  源码下载地址
     *  项目介绍
     *  界面预览
     *  项目备注
     *  毕设定制，咨询
     *  源码下载地址

### 源码下载地址 ###

[点击这里下载源码][Link 1]

### 项目介绍 ###

基于Pytorch深度学习框架进行整体环境搭建，包括数据集制作，模型训练，模型测试，模型优化；基于kinova机器人搭建实际抓取环境；采用级联网络Cascade R-CNN提取特征。

一、针对机器人多物体抓取检测研究问题，选用Cascade R-CNN为基础网络框架，Cascade R-CNN是通用目标检测中表现较好的一种级联算法，其特点是速度快，检测精度高。

二、首先构建一个由三十二类对象组成的多目标抓取数据集( MOGD )。解决当前多物体抓取数据集较为缺乏的问题，并便于对多目标抓取检测模型进行评估。

三、由于平行夹持器的对称性，角度参数的取值不大于180°，我们的取向角θ被量化为R个部分( 每一部分相对于抓取矩形的中心进行划分 )。在我们的工作中，设R = 19。

四、多物体抓取数据集采用的标注方式与康奈尔抓取数据集基本一致，因此多物体检测与单物体检测方法相似，将抓取检测转化为目标定位加上角度分类问题，将各物体抓取框与水平方向的夹角转化成19个类别，包括一个背景类以提供负样本，采用Json格式存储训练和测试样本，对每一个标签都注明对应图像ID，抓取框的中心点坐标和宽高以及角度分类ID，这种存储格式符合COCO目标检测数据集规范。  
检测图

### 界面预览 ###

![在这里插入图片描述][1b6cba308a4841118b031fa1afdbc775.png]  
![在这里插入图片描述][acd1c814d17c4c7e9b40e8d693716e4d.png]  
![在这里插入图片描述][c329ad6ff8964b49a72f077df38bddf7.png]

### 项目备注 ###

1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！  
2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。  
3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可用于毕设、课设、作业等。  
下载后请首先打开README.md文件（如有），仅供学习参考, 切勿用于商业用途。

### 毕设定制，咨询 ###

添加作者公众号咨询即可

### 源码下载地址 ###

[点击这里下载源码][Link 1]

[Link 1]: https://download.csdn.net/download/m0_73728511/88548897
[1b6cba308a4841118b031fa1afdbc775.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/02/8b54b9c9a63648f1ab30d1a8b603aa69.png
[acd1c814d17c4c7e9b40e8d693716e4d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/02/5ebbfbc64f954aadb69cca5ed104232e.png
[c329ad6ff8964b49a72f077df38bddf7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/02/a8306df2be044d7480eacf6e520e7191.png